Page 126 - 基于深度学习的人工智能技术研究

Research on Artificial Intelligence Technology Based on Deep Learning
基于深度学习的人工智能技术研究

指令，对关键控制点进行适当把控。无人驾驶能够对交通情况进行分析，针对一
些突发状况也能够做出应急处理，保证能够准确接收并执行中央智能处理系统的
指令，这也是当前无人驾驶深度学习的关键内容。
人工智能在语音识别与转换方面的应用，已经逐渐从最开始的简单语言识别

逐渐走向智能化的多语种、多内容的转换。目前，语音识别主要采用混合高斯方
式开展模型构建，该种模型构建方式的利用能够切实提高语音识别的准确率，降
低失误率。但是语音识别也受环境因素影响，很多不可控制的自然环境或人为因
素的干扰导致目前的语音识别技术在商业中的运用还不广泛。随着深度学习技术

的发展以及语音识别技术算法的不断研究，识别的失误率逐渐降低，已经能够满
足商业运行环境对语音识别的要求，如科大讯飞等有关企业的语音识别技术已经
逐渐能够在会议中进行运用，并取得了较好效果。
之前最常用的人脸识别方式主要包括主动形状与主动表现两种方式，除此以

外还有其他的一些方式，例如使用部分描述与局部二值方式开展识别或特点提取
的方法，然后使用线性分析进行研究等。受限于诸多的外界不稳定因素影响，如
光线强弱、脸部表情、遮挡物照片像素质量等的影响，导致以往的人脸识别技术
难以更精确地进行人脸的判断。而深度学习技术的发展让更精准的算法与模型成

为可能，能够从基础图像信息中完成对人脸关键信息的提取与识别。通过对大量
原始人脸图片的表征学习，让深度学习对关键信息的把控更为精准，通过更多关
键算法的运作提高人脸识别精准度。深度学习下的人脸识别技术能够借助强大的
图片信息处理能力进行深度关键信息的分析与提取，最终达到超过人类肉眼精准

度的识别。深度学习的发展极大地推进了人脸识别中人工智能技术的进步，当前
基于人脸识别的深度学习方法已达 7 种。
综上所述，科学技术的深入发展带动人工智能时代的快速进步，人工智能技
术在当前社会经济发展中具有越来越重要的地位。深度学习作为机器学习中的重

要组成方面，经过不断的深入研究与发展，已经初步形成了发展雏形，基于相关
人类神经网络与统计学等多方面的理论知识，与人工智能充分有机融合，应用于
图像识别、人脸识别等多种生活具体层面，并取得了较好的效果。

118